Tác giả: tiengvietmenyeu

Tiếng Việt mến yêu

Nên viết thế·nào cho đúng: “tiếng Việt” hoặc “Tiếng Việt”, “ngôn ngữ tiếng Việt” hoặc “ngôn ngữ Việt”?

Nên viết thế·nào cho đúng: “tiếng Việt” hoặc “Tiếng Việt”, “ngôn ngữ tiếng Việt” hoặc “ngôn ngữ Việt”?

Trong câu·văn “ngôn ngữ quốc gia là tiếng Việt”, từ “tiếng Việt” ở đây được hiểu (hoặc phải hiểu) là nó bao·gồm cả “tiếng·nói Việt” và “chữ·viết Việt”. Thế·nhưng, từ “tiếng” thường khiến người·ta chỉ liên·tưởng đến hoặc chỉ nghĩ đến “tiếng·nói” mà·thôi, vậy chúng·ta phải làm gì và viết như thế·nào để nó bao·gồm luôn cả phần chữ·viết?
Đọc tiếp Nên viết thế·nào cho đúng: “tiếng Việt” hoặc “Tiếng Việt”, “ngôn ngữ tiếng Việt” hoặc “ngôn ngữ Việt”?

Thuật·toán tách từ

Thuật toán tách từ
Tác giả: Lưu Tuấn Anh.

Nội dung

1. Các hướng tiếp cận
2. Các phương pháp được sử dụng
3. Ứng dụng bài toán tách từ
4. Thuật toán phổ biến
5. Một số vấn đề mở rộng

Tách từ là một quá trình xử lý nhằm mục đích xác định ranh giới của các từ trong câu văn, cũng có thể hiểu đơn giản rằng tách từ là quá trình xác định các từ đơn, từ ghép… có trong câu. Đối với xử lý ngôn ngữ, để có thể xác định cấu trúc ngữ pháp của câu, xác định từ loại của một từ trong câu, yêu cầu nhất thiết đặt ra là phải xác định được đâu là từ trong câu. Vấn đề này tưởng chừng đơn giản với con người nhưng đối với máy tính, đây là bài toán rất khó giải quyết.

Chính vì lý do đó tách từ được xem là bước xử lý quan trọng đối với các hệ thống Xử Lý Ngôn Ngữ Tự Nhiên, đặc biệt là đối với các ngôn ngữ thuộc vùng Đông Á theo loại hình ngôn ngữ đơn lập, ví dụ: tiếng Trung Quốc, tiếng Nhật, tiếng Thái, và tiếng Việt. Với các ngôn ngữ thuộc loại hình này, ranh giới từ không chỉ đơn giản là những khoảng trắng như trong các ngôn ngữ thuộc loại hình hòa kết như tiếng Anh…, mà có sự liên hệ chặt chẽ giữa các tiếng với nhau, một từ có thể cấu tạo bởi một hoặc nhiều tiếng. Vì vậy đối với các ngôn ngữ thuộc vùng Đông Á, vấn đề của bài toán tách từ là khử được sự nhập nhằng trong ranh giới từ. Đọc tiếp Thuật·toán tách từ

Ứng·dụng phương·pháp Pointwise vào bài·toán tách từ cho Tiếng Việt

Ứng dụng phương pháp Pointwise vào bài toán tách từ cho tiếng Việt

Lưu Tuấn Anh, Yamamoto Kazuhide
Natural Language Processing Laboratory Department of Electrical Engineering
Nagaoka University of Technology 940-2188, Nagaoka City, Niigata, Japan

Abstract
Trong tiếng Việt, dấu cách (space) không được sử dụng như 1 kí hiệu phân tách từ, nó chỉ có ý nghĩa phân tách các âm tiết với nhau. Vì thế, để xử lý tiếng Việt, bài toán tách từ (word segmentation) là 1 trong những bài toán cơ bản và quan trọng bậc nhất. Ngoài tiếng Việt, có khá nhiều các ngôn ngữ châu Á khác cũng cần bước tách từ, ví dụ như: tiếng Nhật, tiếng Trung, tiếng Hàn,… do đó vấn đề này nhận được sự quan tâm rộng rãi và có nhiều hướng tiếp cận khác nhau. Bài viết này sẽ tập trung phân tích hướng tiếp cận pointwise dựa trên máy học SVM: phân loại từng dấu cách một cách độc lập vào 2 loại: SPACE (kí hiệu tách từ) và UNDERSCORE (kí hiệu liên kết 2 âm tiết). Với phương pháp này, chúng tôi đã đạt được độ chính xác 98.2% trong thực nghiệm. Tất cả mã nguồn của nghiên cứu này được ứng dụng để tạo ra công cụ mang tên Đông Du.

Keywords: xứ lý ngôn ngữ tự nhiên, xử lý tiếng Việt, bài toán tách từ, pointwise estimation

I. INTRODUCTION

Trong tiếng Việt, dấu cách không mang ý nghĩa phân tách các từ mà chỉ mang ý nghĩa phân tách các âm tiết với nhau. Ví dụ: từ “đất nước” được tạo ra từ 2 âm tiết “đất” và “nước”, cả 2 âm tiết này đều có nghĩa riêng khi đứng độc lập, nhưng khi ghép lại sẽ mang một nghĩa khác. Vì đặc điểm này, bài toán tách từ trở thành 1 bài toán tiền đề cho các ứng dụng xử lý ngôn ngữ tự nhiên khác như phân loại văn bản, tóm tắt văn bản, máy dịch tự động,…

Ngoài tiếng Việt, có khá nhiều các ngôn ngữ khác cũng gặp phải bài toán này, ví dụ như: tiếng Nhật, tiếng Trung, tiêng Hàn,… Mỗi một ngôn ngữ có 1 đặc điểm cú pháp khác nhau, nhưng nhìn chung, hướng tiếp cận chủ đạo ở tất cả các ngôn ngữ này là sử dụng máy học.
Đọc tiếp Ứng·dụng phương·pháp Pointwise vào bài·toán tách từ cho Tiếng Việt

Tìm hiểu nghĩa của các âm·tiết Việt·nồm trong các từ kép: ÂN·CẦN, BỐ·THÍ, ĐÔ·HỘ…

Tìm hiểu nghĩa của yếu tố Hán Việt trong các từ: ÂN CẦN, BỐ THÍ, ĐÔ HỘ…

PGS. TS. LÊ XUÂN THẠI

SUMMARY
The author surveys, explores (via references to the interpretations by some previous authors) and provides satisfactory explanations for a number of words of Chinese origin used in communication in Vietnamese today: ân cần, bố thí, đô hộ, hồn nhiên, hưu trí, Nghệ An, phương phi, truyền lô, trực nhật, vân vi…

ÂN CẦN  Nguyễn Lân giải thích ân (殷) có nghĩa là “chu đáo”, cần (勤) có nghĩa là “gắn bó”. Còn Thiều Chửu thì không giải thích rõ nghĩa của hai yếu tố này. Từ điển yếu tố Hán Việt thông dụng giải thích ân là “chu đáo, quan tâm đến”. Giải thích như Nguyễn Lân và các tác giả Từ điển yếu tố Hán Việt thông dụng là chưa được hoàn toàn chính xác. Ân trong Giáp cốt văn vẽ một người có bụng trướng và một bàn tay cầm kim châm để chữa bệnh. Nghĩa ban đầu của ân là “bệnh nặng”, về sau phái sinh thêm những nghĩa mới là “to lớn”, “sung túc” và từ các nghĩa đó phái sinh nghĩa “tình cảm nồng đậm” tức là “nhiệt tình”. Cần cũng có nhiều nghĩa trong đó có nghĩa là “chu đáo”. Chính vì nghĩa của ân và cần trong từ ân cần là như vậy nên Hiện đại Hán ngữ từ điển định nghĩa ân cần là “nhiệt tình và chu đáo”.
Đọc tiếp Tìm hiểu nghĩa của các âm·tiết Việt·nồm trong các từ kép: ÂN·CẦN, BỐ·THÍ, ĐÔ·HỘ…

Phương·hướng mới cho Tự·điển chữ Nôm

Phương hướng mới cho Tự điển chữ Nôm
(Online Dictionary of Nôm Characters, a New Approach)

Nguyễn Hữu Vinh
(also known as Yuan Yu-Rong)
Quality Control Manager, Industrial Technology Research Institute, Hsin Chu, Taiwan.

Tóm lược
Với các phương tiện điện toán và Internet hiện có, việc biên soạn một quyển tự điển chữ Nôm điện tử rõ ràng, chính xác, đầy đủ, dễ dùng và có thể mở ra những chiều hướng nghiên cứu mới là điều rất khả thi. Phương thức thu nhập dữ kiện bằng cách lột soát các hình thái chữ Nôm từ những văn bản Nôm được xem như là một giải pháp hữu ích và có tính thuyết phục. Mỗi một chữ Nôm trong tự điển đều phải được dẫn chứng bằng các thí dụ cụ thể trích dẫn từ các văn bản Nôm khác nhau. Tự điển còn cần phải có phương cách giải thích cấu trúc của chữ Nôm theo ngữ nghĩa của chữ. Một tự điển chữ Nôm điện tử cần phải được hỗ trợ bởi những phương tiện kỹ thuật hiện đại như dễ truyền thông qua mạng Internet, dễ tra cứu (bằng âm Quốc Ngữ, mặt chữ, mã chữ, hoặc tập hợp chữ, v.v), và nhất là có tính cách quốc tế, máy nào cũng dùng được. Để đáp ứng được các nhu cầu đó, cần có một bộ font chữ Nôm theo mã chuẩn quốc tế (Unicode). Thêm vào đó, cần có một cơ sở dữ kiện (database) được xác định ngay từ bước đầu để chứa đựng các thông tin về một chữ Nôm như mặt chữ, mã chữ, âm Hán Việt, âm đọc, cấu trúc, văn liệu, v.v… Kế đến là một giao diện cho người dùng (end-user’s interface), cho phép người dùng tra cứu và tìm kiếm (search) các thông tin chứa đựng trong kho dữ kiện này một cách dễ dàng và nhanh chóng. Ngoài ra, cần một Giao diện (interface) dành riêng cho Ban Biên Tập (BBT) để nhập dữ kiện vào kho dữ kiện và thảo luận những vấn đề liên quan đến mọi khía cạnh của tự điển. Ngoài các chức năng tra cứu của một tự điển thông thường, tự điển còn có thể mở rộng để hỗ trợ công việc thống kê và phiên âm. Một BBT với nhiều khả năng và trình độ khác nhau về cả chữ Nôm lẫn kỹ thuật điện toán, cư ngụ ở nhiều nơi trên thế giới, sẽ mang lại những thành quả mà một cá nhân khó có thể làm nổi. BBT cần phải xác định các quy trình làm việc rõ ràng, với một số nguyên tắc về quản lý dự án (project management) và phát triển phần mềm (software development) để bảo đảm tính thống nhất và chất lượng của tự điển. Cuối cùng là vài khía cạnh của quyển Tự Điển Chữ Nôm Trích Dẫn được thiết kế theo chiều hướng trên.
Đọc tiếp Phương·hướng mới cho Tự·điển chữ Nôm

Cần minh-định một số từ·ngữ trọng·yếu trong việc xác·lập tính chính-danh của Việt-ngữ

Cần minh-định một số từ·ngữ trọng·yếu (essential word) trong việc xác·lập chủ·quyền và tính chính-danh của Việt-ngữ.

Tác·giả: Đặng Hải Nguyên

Nội·dung

1. Đặt vấn·đề.
2. Hán-tự hay Hoa-Hán-tự hay Ký·tự Hoa-Hán.
3. Nho-tự hay Việt-Hán-tự hay ký·tự Việt-Hán.
4. Từ Hán-Việt hay từ Hoa-Việt, từ Pháp-Việt, từ Nga-Việt, từ Anh-Việt.
5. Từ Việt·nồm hay từ Nồm khác với từ Hán-Việt; Nho-tự khác với Hán-tự.
6. Nôm-tự (Nôm character) còn được gọi là chữ Nôm (Nôm script) là quốc-ngữ xưa của Người·việt.
7. Cần phân·biệt rạch·ròi các từ·ngữ: Nôm, Nồm và Hán-Việt.
8. Tóm·lược.

Đọc tiếp Cần minh-định một số từ·ngữ trọng·yếu trong việc xác·lập tính chính-danh của Việt-ngữ

Tản·mạn về mảng từ Hán-Việt trong Tiếng Việt

Tản Mạn Về Mảng Từ Hán Việt Trong Tiếng Việt
Cao Tự Thanh

Vài năm trước, nhiều người đã hăng hái bàn tới việc dạy lại chữ Hán cho học sinh phổ thông, nhưng dù sao thì nói vẫn dễ hơn làm, vả lại muốn dạy chữ Hán thì trước hết phải đào tạo được một đội ngũ thầy cô để dạy chữ Hán, mà thứ kiến thức này xem ra lại không dễ dạy thêm như các môn Anh Văn, Toán, Lý. Cho nên dường như các nhà Về Nguồn Học đã chán không muốn đeo đuổi mục tiêu ít thực tế và không kinh tế ấy nữa, có điều mảng từ Việt Hán trong tiếng Việt vẫn tồn tại với nhiều vấn đề khiến những người đọc sách phải quan tâm
Phát triển nhiều năm trong môi trường văn hóa Việt Nam, mảng từ Việt Hán trong tiếng Việt có rất nhiều khác biệt với mảng từ Hoa Hán. Đọc tiếp Tản·mạn về mảng từ Hán-Việt trong Tiếng Việt

Chữ Nôm hay chữ quốc-ngữ mới là thuần Việt?

Chữ Nôm hay chữ quốc ngữ mới là thuần Việt?

“Không thể nói chữ Nôm thuần Việt được, vì chữ Nôm do người Việt vay mượn từ tiếng Hán nên chịu nhiều ảnh hưởng từ nền văn hóa Trung Hoa. Chữ quốc ngữ mới là ngôn ngữ của người Việt”.

Trong khi nhà nghiên cứu văn học Lại Nguyên Ân phủ nhận nguồn gốc của chữ Nôm thì một số ý kiến tại hội thảo về chữ quốc ngữ lại cho rằng đó mới chính là Tiếng Việt thực sự.

“Sẽ rất đáng tiếc khi các ngành, các nghề đều có ngày kỉ niệm còn chữ quốc ngữ thì không!” – Ông Nguyễn Lân Bình chia sẻ.

Tại hội thảo, bên cạnh những vấn đề liên quan đến chữ quốc ngữ, ảnh hưởng của nó đối với đời sống và văn hóa của người Việt, vai trò của nhà tân học, nhà báo, nhà văn Nguyễn Văn Vĩnh trong việc “bắc cây cầu nối hai nền văn minh Đông – Tây” bằng sợi dây ngôn ngữ, các diễn giả Nguyễn Lân Bình, Lại Nguyên Ân, Mai Thành Chung, và nhà sử học Dương Trung Quốc đã đề xuất việc xác lập ngày kỉ niệm Chữ quốc ngữ nhằm tôn vinh ngôn ngữ của dân tộc.

Cần Luật hóa ngôn ngữ Đọc tiếp Chữ Nôm hay chữ quốc-ngữ mới là thuần Việt?

Về một truyện ngắn trong nước phải “dịch” ra Tiếng Việt

Về một truyện ngắn trong nước phải “dịch” ra tiếng Việt
Song Nguyễn

Cứ tưởng học sinh phổ thông và những người làm các nghề không phải thường xuyên sử dụng ngòi bút mới có trường hợp viết và nói chưa đúng ngữ pháp Việt Nam. Đối với những đối tượng này ta dễ thông cảm về những lỗi trong văn phạm của họ. Đằng này những người coi công việc văn chương là một nghề mà vẫn hành văn sai ngữ pháp; bố cục bài viết (tác phẩm) và cấu tạo câu văn rất rắc rối, khó hiểu; dùng từ không đúng thì thật đáng phàn nàn, chê trách. Đáng nhẽ ra họ càng cần phải gương mẫu trong việc sử dụng nhuần nhuyễn, chính xác tiếng Việt trong các sáng tác của mình mới đúng. Bởi vì những “đứa con tinh thần” ấy của họ có ảnh hưởng (tích cực hoặc tiêu cực) rất sâu rộng trong xã hội. Nếu những sáng tác đó có nội dung phong phú, sâu sắc và văn phong trong sáng thì sẽ có tác dụng tốt, giúp cho nhiều người viết và nói theo đúng các chuẩn mực của tiếng Việt và ngược lại. Nhìn vào tiến trình phát triển của nền văn học hiện đại Việt Nam, chúng ta thấy có nhiều nhà văn, nhà thơ, nhà nghiên cứu văn học đã thực sự lao động nghệ thuật nghiêm túc, đắn đo, trau chuốt từng từ ngữ dùng, từng câu văn, đoạn văn, từng câu thơ… Đọc tiếp Về một truyện ngắn trong nước phải “dịch” ra Tiếng Việt

Tiếng Việt khó hay dễ, phong·phú hay nghèo·nàn?

Bức xúc
Tác giả: pecheur

Ngày xưa tôi cứ nghĩ là Tiếng Việt không có gì khó, vì đối với tôi cái khó khăn nhất là không biết được chữ nào có dấu hỏi hay dấu ngã thì tôi đã có cách tránh né, mỗi khi viết thay vì bỏ dấu hỏi hoặc dấu ngã rõ ràng, dấu ngã nằm ngang, dấu hỏi thẳng đứng , tôi viết dấu nằm nghiêng, nghĩa là một dấu nằm lưng chừng giữa hai dấu hỏi, ngã, thế là xong, người đọc tự hiểu lấy! Không ngờ từ ngày có máy điện tính, người ta không viết tay nữa, gõ chữ trên bàn phím không có cái dấu lơ lững giữa dấu hỏi và dấu ngã! Bó tay, ân hận đã không chịu học hành đàng hoàng, bây giờ vừa viết vừa tra tự điển!
Đọc tiếp Tiếng Việt khó hay dễ, phong·phú hay nghèo·nàn?